1、空间数据挖掘：理论、方法与应用探索

空间数据挖掘：理论、方法与应用探索

一、数据挖掘与空间数据挖掘的兴起

随着技术的进步，计算机从满足一般计算需求发展成为能够模拟人类视觉、听觉、思维等高级智能需求的复杂系统。过去，开发者在构建计算机专家系统时，很快遇到了建立合适专家知识库的问题，于是转向机器学习，试图开发具有类似人类自学习功能的计算机，但又面临计算机学习源的问题。与此同时，大量数据迅速涌现，开发者意识到数据中隐藏着许多知识。通过数据库管理系统可以从数据库中检索信息，通过数据挖掘（或知识发现）则可以从数据库中提取知识，这些知识还可以自动构成计算机专家系统的知识库。

在数据快速增长的背景下，空间数据因其与地理空间位置的紧密关联，在数据挖掘中占据了绝大部分。如今，数据的获取、传输和存储技术飞速发展，产生了前所未有的海量大数据。这些数据来源广泛，涵盖遥感、社交媒体等，具有体量大、速度快、种类多的特点，且大部分数据都具有地理参考，即地理空间数据。地理空间数据已成为现代信息社会中至关重要的基础资源。

然而，在数据挖掘过程中，空间数据挖掘面临着独特的挑战。空间数据不仅包含位置和属性数据，还涉及空间实体之间的空间关系，其结构比普通关系数据库中的表格更为复杂，除了表格数据，还包括矢量和栅格图形数据。但在以往的数据挖掘中，对数据的空间特征关注不足。

二、空间数据挖掘的先驱探索

1993 年，人工智能科学家李德毅教授与地理信息科学和遥感领域的科学家李德仁教授探讨了计算机科学中的数据挖掘趋势。当时，李德仁认为地理空间数据的体量、种类和增长速度都在迅速增加，通过空间数据挖掘有可能从原始数据中发现知识。1994 年，在加拿大举行的第五届地理信息系统（GIS）年度会议上，李德仁提出了从 GIS 数据库